笔记核心部分摘抄以及自己的理解[附有样例，可以轻松理解]：
卷积网络的卷积层中使用了卷积操作，这个操作可以捕捉到图像中的局部特征而不受其位置的影响。
在外围边缘补充若干圈0，方便从初始位置以步长为单位可以刚好滑倒末尾位置，通俗地讲就是为了总长能被步长整除。
池化层通过减小特征图的大小来减少计算复杂性。它通过选择池化窗口内的最大值或平均值来实现。这有助于提取最重要的特征。
我们可以通过下面这个样例来理解池化层的工作原理：
假设现在有一个4 x 4 的特征矩阵。
然后假设就进行2 x 2 地分区：
那么由于（1,2,5,6）里面最大的是 6 ，所以最大池化后的2x2特征图：
同理，平均池化后的2x2特征图为：
输入的矩阵展开形式：